基于传感器的网格服务匹配问题的优化篇

在开放网格服务架构（OGSA）下网格服务匹配是当前研究的热点。通过在服务网格模型中引入监控作业运行时间的传感器，给出了基于运行时间权矩阵的网格作业一网格服务匹配的优化解，经过仿真研究其算法与其它同类算法相比可使服务匹配系统性能明显改善。本算法还给出了用户作业和服务资源之间能实现完备匹配的充分必要条件。     

基于GAN的跨语言文本匹配算法研究

针对跨语言文本匹配问题,提出一种基于GAN+AT-CNN的文本匹配算法。具体则通过监督式GAN文本特征映射模型和AT-CNN文本匹配模型相结合,增加样本丰富性,简化跨语言特征映射过程,从而提高映射速度和文本匹配准确度。分别将监督式GAN特征映射模型与传统的全连接神经网络(NN)、经典机器翻译模型ConvSeq2Seq, AT-CNN文本匹配模型与Bi-LSTM、ABCNN模型进行比较。结果表明,在特征映射模型的实验中,监督式GAN特征映射模型精确度平均值较其他模型高0.12%-8.46%,较无监督式GAN映射模型精确度高30.89%;训练时间则较NN长0.2 h,较ConvSeq2Seq模型短2.2 h。而在跨语言文本匹配实验中,AT-CNN文本匹配模型精确度平均值则较其他模型高1.78-7.1,但训练时间也较其他模型高127 s～1 176 s。实验证明,无论是在训练时间还是精确度上,本文使用的模型综合上都优于其他对比模型,值得应用于未来的跨语言文本匹配工作中。     

基于模板匹配和神经网络的车牌字符识别方法

本文提出了一种基于模板匹配和神经网络的车牌识别方法.该方法集成了模板匹配识别车牌字符和神经网络识别车牌字符的各自优势.对于字符可单独分割出来的一类车牌,本文提出了一种改进的神经网络来进行字符识别;对于字符不可分割或分割困难的另一类车牌,本文提出了一种基于四灰度加权相似函数模板匹配方法来识别字符.从而克服了单一方法很难同时识别这两类车牌中的字符的不足,同时可有效地提高车牌字符识别的识别率、识别速度或识别系统的泛化能力.实验结果表明:大多数情况下,该方法车牌字符识别率超过90%,识别时间不超过1 200毫秒,能更有效识别各种车牌中的字符,能更好地满足实际系统的要求.     

移动匹配器及车辆轮胎传感器识别系统

本实用新型涉及一种匹配汽车轮胎压力传感器信息的移动匹配器以及采用本实用新型的车辆轮胎传感器识别系统。本实用新型的移动匹配器包括电源和电源转换器,还包括中央处理器、无线射频发送器、无线射频信号接收器、以及低频信号触发器和功能按键;电源为中央处理器供电,电源通过电源转换器为无线射频发送器和无线射频信号接收器供电;无线射频发送器和无线射频信号接收器分别与中央处理器连接,低频信号触发器和功能按键分别和中央处理器连接。即通过按下移动匹配器依次触发传感器,然后将信息发送给接收器或显示器进行初始化。     

基于语义的保险构件接口匹配研究与实现

描述了基于语义对构件库中构件接口名称进行匹配的一种方法,并结合保险行业的领域知识,探讨了该方法在保险核心业务系统的可复用构件库中的实现.将接口名称的语义信息概括为环境、对象、操作,结合领域知识和领域分析方法,建立匹配度计算必须的原始语料库,利用语料库对接口名称进行语义计算,生成解析构件库,利用解析构件库对用户的查询进行相似度计算.     

一种基于神经网络匹配的指纹识别算法

指纹特征的提取是自动指纹识别的关键技术之一.针对现存的许多指纹特征提取算法中的旋转和平移等问题,本文提出了一种基于神经网络匹配的脊线分叉点提取算法.该算法通过一个多输入、单输出三层前向神经网络提取脊线的分叉点.并且在FVC2000(国际指纹竞赛数据库)上作了测试.实验结果表明,本文提出的算法对指纹的平移和旋转都具有良好的不变性.     

基于重复性和特异性约束的图像特征匹配

图像特征匹配通过比较一对像素在特征空间的距离确定其是否可匹配,如何学习鲁棒的像素特征是基于深度学习的图像特征匹配要解决的关键问题之一,另外,像素特征表示的学习也受到源图像质量的影响。针对学习更鲁棒的像素特征表示的问题,对图像特征匹配网络LoFTR进行改进。针对粗粒度特征重构分支,定义特异性约束使得同一幅图像内像素的特征距离尽可能远,使不同像素间具有强区分性;定义重复性约束使得不同图像的匹配点对的特征距离尽可能近,使不同图像间的匹配像素点具有强相似性,以增强匹配的准确性。在Backbone的解码阶段增加图像重建层,定义图像重建损失约束编码器学习更鲁棒的特征表示。在室内数据集ScanNet与室外数据集MegaDepth上的实验结果证明了本文方法的有效性,构建了不同质量图像数据并验证了方法能够更好地适应不同质量图像的特征匹配。     

一种基于神经网络匹配的指纹识别算法

指纹特征的提取是自动指纹识别的关键技术之一。针对现存的许多指纹特征提取算法中的旋转和平移等问题,本文提出了一种基于神经网络匹配的脊线分叉点提取算法。该算法通过一个多输入、单输出三层前向神经网络提取脊线的分叉点。并且在FVC2000(国际指纹竞赛数据库)上作了测试。实验结果表明,本文提出的算法对指纹的平移和旋转都具有良好的不变性。     

一种基于特征的约束匹配方法

提出了一种基于特征的双向视差域约束匹配方法。首先提取图像特征点约简候选匹配像素集,然后进行双向唯一性匹配并在匹配过程中根据双目图像的投影特性设计视差域约束,最后设计了一个滑动平均邻域视差来剔除视差值偏差太大的匹配对。实验结果表明,该方法简单快速,匹配成功率高,可处理复杂场景,具有良好的实用价值。     

具有成功率约束的最优匹配问题

通过引入匹配成功率,揭示了现行的稳定匹配有时只能保证一些元素之间配对后成功率很高,而另一些元素之间配对后成功率却很低。为此,提出了一种在保证每一配对都能达到一定成功率前提下,所有配对总成功率最高的最优匹配问题,并且给出了一种基于Floyd算法规则进行求解的迭代算法。     

基于transformer神经网络的汉蒙机构名翻译研究

机构名翻译是机器翻译的研究内容之一,在机器翻译任务中机构名翻译的准确度,直接影响着翻译性能.在很多任务上,神经机器翻译性能优于传统的统计机器翻译性能,该文中使用基于transformer神经网络模型与传统的基于短语的统计机器翻译模型和改进后的基于语块的机器翻译模型做了对比试验.实验结果表明,在汉蒙机构名翻译任务上,基于...     

基于机器学习分类器的DNS拒绝服务攻击的检测系统

阐述了拒绝服务（DoS）对DNS可能构成的威胁,提出了一种能对不同类型DNS的DoS攻击进行检测和分类的入侵检测系统（IDS）。该系统由统计预处理器和机器学习（ML）引擎组成。利用模拟网络对三种神经网络分类器和支持向量机进行了评估。结果表明,BP神经网络引擎以99%的准确率优于其他类型的分类器。     

融合注意力机制与并行混合网络的DGA域名检测

基于统计特征的DGA域名检测方法依赖复杂的特征工程,而现有端到端的深度学习方法在DGA域名家族的多分类任务中性能表现不佳。针对上述问题,提出一种融合注意力机制与并行混合网络的DGA域名检测方法。首先,引入深层金字塔卷积神经网络,提取域名深层语义信息,并使用通道注意力块SENet进行改进构建DPCNN-SE,自适应学习通道间关系,抑制无用特征的传递;同时,将自注意力机制与双向长短时记忆网络结合构建Bi LSTM-SA网络,捕获域名数据中最具代表性的全局时序特征;最后,融合2个网络提取的特征,输入softmax层输出分类结果。实验结果表明,该方法在域名家族的多分类任务中相比CNN、LSTM的单一模型,F1值分别提高了10.30个百分点、10.18个百分点;相较于现有的混合网络方法 Bilbo和Bi GRU-MCNN,F1值分别提高了5.97个百分点、4.87个百分点,并且具有更低的计算复杂度。     

基于GRU型循环神经网络的随机域名检测

随机域名是指由随机域名算法生成的域名,被针对计算机网络系统的恶意软件广泛使用,随机域名的检测任务是域名系统过滤攻击流量的基础性工作.传统方法对随机域名的检测效果不理想,精确率与召回率较低,导致过滤攻击流量时会出现较多的误判.本文提出和实现了一种基于GRU型循环神经网络的随机域名检测模型,该模型首先将域名转换成向量,然后借助GRU自动学习域名向量的特征,最后通过神经网络计算分类.相比于传统方法,该模型不再需要人工提取特征的过程,减少了特征提取的时间.且经过算法生成数据与真实场景数据的实验验证,该方法在随机域名检测任务中相比传统模型表现更加出色.     

人工神经网络预报金属基复合材料焊接接头性能

以金属基复合材料扩散焊接为实施对象 ,采用人工神经网络的方法建立扩散焊接过程的静态模型 ,表征了扩散焊接接头质量与工艺参数之间的关系 ,验证了该模型的适用性 .在此基础上对上述焊接过程进行仿真 ,分析了金属基复合材料接头强度随焊接工艺参数的变化规律 ,从而探索出最佳焊接工艺规范 .所建立的静态模型与实际焊接过程良好吻合 ,为新材料焊接性的研究提供一条新途径     

基于组合模糊神经网络的建设工程成本估算方法

快速准确地进行工程成本估算对建筑企业至关重要。传统的工程成本估算方法工作量大、估算速度慢;难以满足估算精度的要求。为符合实际,文章将影响成本的特征因素分为精确量和模糊变量,利用模糊神经网络(FNN)的自组织和自学习,对模糊网络的隶属度和推理规则进行学习和优化。提出了基于组合模糊神经网络的方法,进行建设工程成本估算。通过计算实例表明该方法是有效的,为工程成本估算提供了有价值的参考依据。     

基于神经网络的复合材料光学显微图像孔隙的识别与统计研究

针对复合材料孔隙含量的光学显微图像法统计过程中出现的统计试样多、统计周期长、人工统计结果存在差异等问题,将计算机图像处理技术与神经网络算法相结合,基于复合材料孔隙人工统计方法形成计算机识别与统计算法,利用大量光学显微图像数据样本的标注与学习结果,开发了基于图像处理技术和深度学习网络技术的复合材料孔隙含量识别与统计系统。同时,为使该系统的适用性更强,开发了有监督的数据更新模块。在复合材料孔隙统计中的试验结果表明,与传统人工统计方法相比,深度学习网络算法能够更好地识别孔隙特征,孔隙统计结果的相对误差小于±10%;并在较大规模数据试验中取得了更好的效果,极大地减少了传统人工统计过程中的诸多弊端,优势更强。     

MDF施胶系统的神经网络逆复合控制器设计

针对中密度纤维板(MDF)施胶系统,在分析其物理特性的基础上,利用神经网络广义逆控制的方法设计出期望的伪线性系统,并结合经典控制理论,采用PID控制器作为该伪线性系统的闭环控制器.由神经网络广义逆系统与作为附加控制器的PID控制器结合在一起构成的控制器称作神经网络逆复合控制器.为验证该控制器的可行性,通过Matlab进...